配对肝脏-脾脏高频超声深度学习网络在慢性乙型肝炎患者队列中对全阶段肝纤维化的分类效果及临床益处与2D-SWE的比较：一项前瞻性多中心研究

《Journal of Gastroenterology》：Paired liver–spleen high-frequency ultrasound deep learning network for full-stage liver fibrosis classification and clinical benefit compared with 2D-SWE in chronic hepatitis B cohort: a prospective multicenter study

慢性乙型肝炎患者肝纤维化诊断中，基于配对肝脾高频超声图像的LS-Net深度学习模型在纤维化分期分类中表现优于L-Net、2D-SWE和放射科医生，AUROC达0.94-0.92，临床模拟显示可将活检率降至9.9%，提升先进纤维化转诊率40.3%，且在BMI、炎症指标等亚组中稳定性良好。

　　

摘要

背景

在临床实践中，对于慢性乙型肝炎（CHB）患者，诸如二维剪切波弹性成像（2D-SWE）之类的弹性成像技术在区分肝纤维化的不同阶段时，常常会导致漏诊或误诊。

方法

2020年1月至2023年8月期间，我们从6家医院前瞻性地招募了964名符合条件的CHB患者，这些患者均接受了肝脏活检。最终共有598名患者的数据被纳入研究，他们拥有2139张高频超声（HF-US）图像。我们使用基于肝脏-脾脏高频超声图像配对的深度学习网络LS-Net，与对比网络L-Net、2D-SWE以及放射科医生的评估结果进行对比，以区分不同阶段的肝纤维化。此外，我们还模拟了该模型在三种临床指南中的潜在应用价值，并对可能的混杂因素进行了亚组分析。

结果

在验证集数据中，LS-Net在所有阶段的肝纤维化分类中均表现出显著优于L-Net、2D-SWE和放射科医生评估的结果（AUROC值分别为0.94、0.87、0.92；p < 0.05）。在针对CHB患者的临床模拟中，LS-Net将肝硬化检测的活检率降至9.9%，将晚期纤维化的必要转诊率提高了40.3%，并且相比2D-SWE显著改善了纤维化程度较高的患者的治疗决策。该模型在各个亚组（BMI、炎症程度、ALT水平、抗病毒治疗状态）中的表现均保持稳定。

结论

在这项针对CHB患者队列的研发和内部验证研究中，LS-Net在所有阶段的肝纤维化分类方面的诊断性能明显优于L-Net、2D-SWE和放射科医生。我们的研究结果表明，LS-Net可以通过减少不必要的活检次数、提高必要转诊率以及促进及时治疗，为CHB的管理带来潜在的临床价值。

背景

在临床实践中，诸如二维剪切波弹性成像（2D-SWE）之类的弹性成像技术在区分慢性乙型肝炎（CHB）患者肝纤维化的不同阶段时，常常会导致漏诊或误诊。

方法

2020年1月至2023年8月期间，我们从6家医院前瞻性地招募了964名符合条件的CHB患者，这些患者均接受了肝脏活检。最终共有598名患者的数据被纳入研究，他们拥有2139张高频超声（HF-US）图像。我们使用基于肝脏-脾脏高频超声图像配对的深度学习网络LS-Net，与对比网络L-Net、2D-SWE以及放射科医生的评估结果进行对比，以区分不同阶段的肝纤维化。此外，我们还模拟了该模型在三种临床指南中的潜在应用价值，并对可能的混杂因素进行了亚组分析。

结果

在验证集数据中，LS-Net在所有阶段的肝纤维化分类中均表现出显著优于L-Net、2D-SWE和放射科医生评估的结果（AUROC值分别为0.94、0.87、0.92；p < 0.05）。在针对CHB患者的临床模拟中，LS-Net将肝硬化检测的活检率降至9.9%，将晚期纤维化的必要转诊率提高了40.3%，并且相比2D-SWE显著改善了纤维化程度较高的患者的治疗决策。该模型在各个亚组（BMI、炎症程度、ALT水平、抗病毒治疗状态）中的表现均保持稳定。

结论

在这项针对CHB患者队列的研发和内部验证研究中，LS-Net在所有阶段的肝纤维化分类方面的诊断性能明显优于L-Net、2D-SWE和放射科医生。我们的研究结果表明，LS-Net可以通过减少不必要的活检次数、提高必要转诊率以及促进及时治疗，为CHB的管理带来潜在的临床价值。